Design and Implemention of Image Processing For Traffic Light Management System
Design and Implemention of Image Processing For Traffic Light Management System
TUGAS AKHIR
Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Pada
Program Studi Teknik Telekomunikasi.
Disusun Oleh :
Achmad Muzahid
1101100003
TEKNIK TELEKOMUNIKASI
FAKULTAS TEKNIK ELEKTRO
UNIVERSITAS TELKOM
BANDUNG
2014
LEMBAH PENGESAHAN
TUGAS AKHIR
PERANCANGAN DAN IMPLEMENTASI MANAJEMEN LAMPU
LALU LINTAS BERBASIS GAMBAR KEMACETAN JALAN
RAYA
Design and Implementation of Traffic Light Management Based on Traffic Image
Oleh :
Achmad Muzahid
1101100003
Telah disetujui dan disahkan sebagai Tugas Akhir
Program Studi Teknik Telekomunikasi
Fakultas Teknik Elektro
Universitas Telkom
Nip. 99640168-1
Nip. 12861089-1
ii
: Achmad Muzahid
NIM
: 1101100003
ALAMAT
No Tlp/Hp
: 089649784108
: achmad.muzahid92@gmail.com
Menyatakan bahwa Tugas akhir ini merupakan karya orisinalitas saya sendiri, dengan
judul :
Atas pernyataan ini, saya siap menanggung resiko / sanksi yang dijatuhkan kepada
saya apabila kemudian ditemukan adanya pelanggaran terhadap kejujuran akademik
atau etika keilmuan dalam karya ini, atau ditemukan bukti yang menunjukkan ketidak
aslian karya ini.
iii
ABSTRAKSI
Kemacetan merupakan salah satu masalah pada kota-kota besar seperti
Jakarta. Salah satu penyebab kemacetan itu sendiri adalah pengaturan lampu lalu
lintas yang masih berdasarkan statistik tingkat kemacetan pada pengamatan waktu
tertentu. Metode tersebut dianggap kurang efektif karena prediksi yang berdasarkan
statistic tersebut belum tentu sesuai dengan keadaan jalan yang sebenarnya. Hal ini
sering kita melihat saat suatu ruas jalan masih berwarna hijau namun sudah tidak ada
kendaraan yang melintas, sedangkan di ruas jalan yang lain terdapat kendaraan yang
menunggu giliran untuk melintas.
Pada penelitian ini penulis akan
mengimplementasikan alat untuk mengetahui tingkat kemacetan pada suatu ruas jalan
untuk mengatur lama waktu lambu lalu lintas berganti.
Mikrokontroler menerima data digital berupa piksel citra jalan raya yang telah
disimpan dalam SD Card, mikrokontroler yang digunakan dalam penelitian ini adalah
STM32F407ZG yang mendukung untuk menggunakan RAM (Random Access
Memory) External, hal ini dikarenakan pengolahan citra membutuhkan kapasitas
RAM yang cukup besar. Dari citra yang telah dimasukan tersebut, citra selanjutnya
akan dideteksi dengan menggunakan deteksi tepi prewitt, lalu penghapusan piksel
dari citra yang bukan bagian dari jalan raya, dan operasi morfologi untuk
menyempurnakan bagian piksel yang terdeteksi sebagai kedaraan. Setelah itu setiap
piksel yang terhubung akan diberi label yang berbeda-beda.
Dari setiap label tersebut nantinya akan dilihat apakah motor atu mobil
dengan memperhatikan width dan height, dan nantinya akan dihitung dari jumlah
kendaraan tersebut untuk menentukan lamanya lampu lalu lintas berganti warna. Dari
pengujian tes didapatkan akurasi sistem adalah sebesar 62,80 %.
Kata Kunci : Citra, SD Card, RAM, RAM External, Deteksi Tepi Prewitt, operasi
morfologi
iv
ABSTRACT
Traffic jam is a serious problem in big city such as Jakarta and Bandung.
Sometimes it is happened because of the inappropriate traffic light time setting. In
Indonesia, usually the time setting is done manually by referring the statistic result.
With this method, it is often happened that the traffic light time is not match with the
number of the vehicle in the road especially the green light sign. In this research, the
author will implement embedded hardware to determine the level of traffic jam on the
road segment and control the time for change the color of traffic light.
Microcontroller receives the road images that have been saved in SD Card.
this reserch used microcontroller STM32F407ZG which supported external RAM,
because image processing requires a fairly large RAM capacity. The next step ,
image will be detected using edge detection prewitt, and the elimination of pixels of
the image that are not part of the highway, and morphological operations to enhance
pixels detected as part of vehicle. And the the connected pixel will be labelling.
All of label will be analysis to be car or motor cycle based on width and
height of labelling segmentation. The sum of car and motor cycle will used to time
controller the the traffic light. The result of experience , this system has 62,80 %
accuracy.
KATA PENGANTAR
vi
LEMBAR PERSEMBAHAN
Segala puji bagi Allah SWT atas segala rahmat, karunia, dan cintanya yang
selalu dilimpahkan kepada penulis sehingga dapat menyelesaikan tugas akhir ini,
yang merupakan syarat kelulusan strata-1 Program Studi Teknik Telekomunikasi,
Universitas Telkom.
Dengan Penyelasaian tugas akhir ini , penulis mendapatkan
bantuan dan
dukungan dari berbagai pihak. Maka dari itu , pada kesempatan ini dengan segala
kerandahan hati, penulis ingin mengucapkan terima kasih kepada :
1. Ayahanda dan Ibunda , serta kakak-kakak penulis. Terutama untuk ibunda yang
selalu mendukung penulis untuk selalu mengejar apa yang penulis impikan.
2. Ibu Rita Magdalena, ST, MT sebagai pembimbing 1 atas bimbingannya , saran ,
bantuan dan masukan-masukan yang diberikan selama proses pengerjaan tugas
akhir ini.
3. Bapak Inung WIjayanto, ST, MT sebagai pembimbing 2 atas bimbingannya,
saran, bantuan dan masukan-masukan yang diberikan selama proses pengerjaan
tugas akhir ini.
4. Rekan-rekan di research centre BTP, mas mirza, mas rosya, mas taufik , dan mas
agus.
5. Kak Master yang telah meminjamkan STM32F4 core board, dimana waktu sudah
dekat namun LPC yang sebelumnya digunakan tidak dapat digunakan.
6. Teman-teman TT34-01 atas waktunya selama empat tahun ini.
Sebagai manusia biasa , penulis sadar akan kekurangan yang ada pada diri
penulis sehingga masih banyak yang perlu diperbaiki dalam tugas akhir ini. Oleh
karena itu saran dan kritik sangat diharapkan penulis untuk menjadikan penulis lebih
baik lagi.
Bandung, 17 Juni 2014
penulis
vii
DAFTAR ISI
1.2
1.3
TUJUAN .................................................................................................................. 2
1.5
1.6
2.2
2.3
2.3.1
2.4
Labelling[4] ................................................................................................................ 8
2.5
STM32F407ZG[6] ..................................................................................................... 9
2.6
3.1.1
3.1.2
viii
3.2
3.3
4.1.1
Tujuan ............................................................................................................ 27
4.1.2
4.1.3
4.1.4
Analisis ........................................................................................................... 28
4.2
4.2.1
Tujuan ............................................................................................................ 28
4.2.2
4.2.3
4.2.4
Analisis ........................................................................................................... 29
4.3
4.3.1
Tujuan ............................................................................................................ 29
4.3.2
4.3.3
4.3.4
Analisis ........................................................................................................... 30
4.4
4.5
4.6
BAB V PENUTUP................................................................................................................. 34
5.1
Kesimpulan ................................................................................................................ 34
5.2
Saran .......................................................................................................................... 35
LAMPIRAN A
LAMPIRAN B
LAMPIRAN C
ix
DAFTAR GAMBAR
Gambar 2 1 Citra Digital........................................................................................................... 5
Gambar 2 2 Prewitt Operator .................................................................................................... 6
Gambar 2 3 Hasil Deteksi Tepi Prewitt .................................................................................... 7
Gambar 2 4 Erosi , (kiri) citra awal, (tengah) struktur elemen, (kanan) hasil erosi .................. 8
Gambar 2 5 Hasil dilasi , (kiri) citra awal, (tengah) struktur elemen, (kanan) hasil dilasi ....... 8
Gambar 2 6 (kiri) empat piksel terhubung, (kanan) delapan piksel terhubung ......................... 9
Gambar 2 7 Labelling Forward Strategy................................................................................... 9
Gambar 2 8 SDIO (multiple) Block Read Operation .............................................................. 11
Gambar 2 9 SDIO (Multiple) Block Read Operation ............................................................. 12
Gambar 2 10 SDI (Sequential) read operation ........................................................................ 12
Gambar 2 11 SDIO (Sequetial) read operation ....................................................................... 13
Gambar 3. 1 Model Sistem Keseluruhan ................................................................................ 14
Gambar 3. 2 Diagram Blok Pengolahan Citra ........................................................................ 15
Gambar 3. 3 Struktur file .dat ................................................................................................. 16
Gambar 3. 4 Diagram Alir Prewitt .......................................................................................... 17
Gambar 3. 5 Diagram Alir Mask ............................................................................................ 19
Gambar 3. 6 struktur elemen erosi .......................................................................................... 19
Gambar 3. 7 Diagram Alir Erosi ............................................................................................. 20
Gambar 3. 8 Struktur Elemen Dilasi, (a) 900 nilai dilasi 5, (b) 00 nilai dilasi 3 ...................... 20
Gambar 3. 9 Diagram Alir Dilasi ............................................................................................ 21
Gambar 3. 10 Diagram Alir Labelling .................................................................................... 22
Gambar 3. 11 Skematik Papan Ekspansion. ........................................................................... 23
Gambar 3. 12 Desain PCB Ekspansion................................................................................... 23
Gambar 3. 13 skematik SD CARD ......................................................................................... 24
Gambar 3. 14 Skema Persimpangan Jalan .............................................................................. 24
Gambar 3. 15 Hasil Labelling. ................................................................................................ 30
Gambar 4. 1 Hasil akuisisi Citra ............................................................................................. 27
Gambar 4. 2 (a) prewitt, (b) mask, (c) erosi, (d) dilasi ........................................................... 29
DAFTAR TABEL
xi
DAFTAR SINGKATAN
RAM
LCD
SD CARD
GPIO
PCB
SDIO
xii
DAFTAR ISTILAH
Image Processing
Input
: Masukan
Memory Flash
Output
: Keluaran
Piksel
Real Time
Sistem Minimum
Skematik
xiii
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Kemacetan merupakan salah satu masalah pada kota-kota besar seperti Jakarta.
Salah satu penyebab kemacetan itu sendiri adalah pengaturan lampu lalu lintas yang
masih berdasarkan statistik tingkat kemacetan pada pengamatan waktu tertentu.
Metode tersebut dianggap kurang efektif karena prediksi yang berdasarkan statistic
tersebut belum tentu sesuai dengan keadaan jalan yang sebenarnya. Dan sering juga
harus menunggu terlalu lama untuk berganti warna hijau sedangkan pada ruas lain
tidak ada kendaraan yang melintas.
Solusi dari permasalahan tersebut adalah membuat sistem dimana pengaturan
lampu lalu lintas harus disesuaikan dengan tingkat kemacetan yang sebenarnya.
Untuk mendapatkan tingkat kemacetan tersebut digunakan citra dari kondisi jalan
saat itu juga.
Hal yang dilakukan pada penelitian ini adalah melakukan deteksi tepi dari citra
jalan raya, yang selanjutnya adalah melakukan operasi morphologi sebagai
penghilang noise dan juga menyempurnakan bentuk dari segmentasi kendaraan, lalu
memberikan label pada setiap segmen, dan terakhir adalah menentukan segmen
tersebut adalah mobil atau motor yang nantinya jumlah dari keduanya digunakan
untuk menentukan lama lampu lalu lintas berganti warna.
Hal ini juga telah dilakukan pada penelitian sebelumnya yang dilakukan oleh
Puji Syukur[5] mengenai pengaturan lampu lalu lintas dengan memanfaatkan
pengolahan citra digital untuk mendapatkan jumlah kendaraan. Hal yang menjadikan
perbedaan penelitian ini dengan penelitian sebelumnya adalah penggunaan
mikrokontroler sebagai pemroses dari pengolahan citra yang dilakukan, sehingga
tidak terbatas dalam pengembangan software saja, namun juga dalam pengembangan
hardware dan metode yang digunakan pada penelitian ini adalah deteksi tepi berbeda
pada penelitian sebelumnya yang menggunakan background substraction.
1.3 TUJUAN
Adapun tujuan dari penelitian ini adalah sebagai berikut :
a. Merancang sistem dengan menggunakan citra jalan raya dan diolah dengan
pengolahan citra digital.
b. Membuat sistem untuk membaca file citra dengan media SD Card.
c. Mengimplementasikan deteksi tepi prewitt pada mikrokontroler.
d. Mengimplementasikan operasi dilasi pada mikrokontroler.
e. Mengimplementasikan operasi erosi pada mikrokontroler.
1.4 BATASAN MASALAH
Dalam pengerjaan tugas akhir, permasalahan di atas dibatasi dengan asumsi
sebagai berikut:
a. Citra masukan berupa citra keabuan.
b. Pengambilan citra jalan raya dilakukan pada siang hari.
c. Ukuran citra 160x120 piksel.
d. Citra jalan raya disimpan dalam SD Card (tidak real time)
e. Citra dua ruas jalan raya pada penelitian berasal dari ruas jalan yang sama.
f. Tidak membahas terlalu dalam mengenai SD Card.
c. Tahap Implementasi
: PENDAHULUAN
Bab ini menjelaskan mengenai latar belakang, permasalahan,
tujuan, batasan masalah, metodologi serta relevansi dari penulisan
tugas akhir.
BAB II
: DASAR TEORI
Bab ini menjelaskan mengenai teori pendukung yang
dipergunakan sebagai referensi dalam penulisan tugas akhir yaitu
teori tentang.
BAB III
: PERANCANGAN SISTEM
Bab ini menjelaskan proses perancangan
BAB IV
BAB V
BAB II
LANDASAN TEORI
2.1 Pengolahan Citra Digital[1]
Pengolahan citra digital adalah suatu metode yang digunakan untuk mengolah
citra dengan teknologi komputer sehingga menghasilkan gambar yang sesuai
dengan yang kita inginkan. Untuk mendapatkan citra digital dapat dilakukan dengan
banyak cara, yaitu dengan kamera, scanner. Citra digital sendiri mempunyai arti
yaitu citra kontinu yang nilainya sudah didiskritkan baik koordinat maupun nilai
dari citra digital itu sendiri. Citra memiliki dimensi matriks dengan ukuran mxn
dimana m menunjukan baris dan n menunjukan kolom untuk merepresentasikan
nilai dari citra tersebut.
1
Pemrosesan level tinggi (High Level Process) : yaitu menjadikan objekobjek yang sudah dikenali menjadi lebih berguna, berkaitan dengan
aplikasi yang akan digunakan serta melakukan fungsi-fungsi kognitif
yang diasosiasikan dengan vision
beroperasi langsung pada data piksel citra digital. Suatu data akan menjadi sebuah
tepi apabila terdapat perbedaan nilai yang besar dari suatu nilai threshold dari suatu
piksel terhadap piksel sekitarnya.
Secara umum, perhitungan deteksi tepi dibedakan menjadi dua macam, yaitu
horizontal filter mask dan vertical filter mask. Berikut dua macam filter mask yang
digunakan sebagai operator prewitt digambarkan pada gambar 2.2.
Dari dua buah filter mask tersebut, nantinya masing-masing dari filter tersebut
akan dikonvolusi dengan citra secara terpisah yang nantinya akan menghasilkan
gradient pada setiap titik dan orientasi dari gradient tersebut. Dan untuk
mendapatkan Magnitude Gradient didapat dengan menggunakan persamaan :
| |
(2.1)
|,
(2.2)
Dari Magnitude Gradient ini akan ditentukan threshold yang akan digunakan
untuk menjadikan citra biner, dimana jika Magnitude Gradient lebih besar dari
threshold maka akan citra diberi nilai satu dan sebaliknya akan diberi nilai nol.
Gambar 2 4 Erosi , (kiri) citra awal, (tengah) struktur elemen, (kanan) hasil erosi
Gambar 2 5 Hasil dilasi , (kiri) citra awal, (tengah) struktur elemen, (kanan) hasil dilasi
2.4 Labelling[4]
Labelling merupakan proses memberikan nilai yang sama pada sekumpulan
piksel yang saling terhubung. Dalam melihat piksel yang terhubung ada dua macam
melihat keterhubungan piksel yaitu empat piksel terhubung dan delapan piksel
terhubung, Gambar 2.6 adalah gambar yang menandakan keduanya.
1
X
1
1
1
1
1
x
1
1
1
1
Pada penelitian ini digunakan delapan piksel terhubung, dimana piksel akan
dinyatakan satu kesatuan apabila terdapat salah satu tetangga atau lebih pada
sekeliling piksel yang sedang diteliti. Untuk melakukan pelabelan dengan
menggunakan delapan piksel terhubung, maka digunakan strategi forward scan
seperti pada gambar 2.7.
B
A
C
X
Sebuah piksel baru, dimana pada bagian A, B, C, ataupun D tidak ada piksel
yang memiliki nilai selain nol.
Sebuah piksel sambungan, dimana terdapat salah satu piksel yang bukan nol
pada A, B, C, atau D ataupun memiliki lebih dari satu tetangga yang bukan nol
namun nilainya sama.
Sebuah piksel gabungan, dimana current pixel memiliki tetangga yang bukan
nol di A dan D atau B dan D. Dan nilai mereka berbeda, sehingga diperlukan
penggabungan nilai label, dimana nilai label yang lebih besar akan diganti
dengan nilai label yang lebih kecil.
2.5 STM32F407ZG[6]
STM32F407ZG adalah mikrokontroler yang termasuk dalam keluarga
mikrokontroler STM32F4xx yang diproduksi oleh STMicroelectronics. Kinerja
9
Core
ARM 32 Bit CortexTM-M4, maksimum clock 168 MHz
Memori
1 MB flash memori, SRAM 192 KB, kontroler memori static yang fleksibel
untuk mendukung Compact Flash, SRAM, PSRAM, NOR , dan NAND
memori.
Mode Debug
Serial Wire Debug (SWD) & JTAG, Cortex-M4 embedded Trace Macrocell
140 I/O
Up to 17 timers
10
11
12
13
BAB III
PERANCANGAN SISTEM
SD Card
LCD
RAM External
SD Card
SD Card ini digunakan sebagai media untuk menyimpan data berupa citra
jalan raya dengan jenis file bitmap. Citra inilah yang nantinya akan menjadi
input sistem yang akan diolah untuk mengetahui tingkat kemacetan dari
jalan raya tersebut.
Mikrokontroler STM32F407ZG
STM32F407ZG adalah mikrokontroler 32 bit yang berfungsi sebagai pusat
pengendalian yaitu sebagai pengolah citra digital dan pusat pengatur lampu
lalu lintas.
RAM External
RAM
External
ini
digunakan
untuk
menambah
kapasitas
RAM
14
Grayscale Image
Prewitt Edge
Detection
Classification
Mask
Erosion
Labelling
Dlation
15
Prewitt edge detection : Pada tahap ini akan dihasilkan citra biner, dimana
nilai satu merepresentasikan tepi dan nol adalah bukan tepi. Tujuan dari
proses ini adalah untuk mendeteksi bagian yang merupakan objek pada jalan
raya.
Erosion : Tahap ini berfungsi menghilangkan noise yang bukan bagian dari
objek kendaraan.
Dilation :
Labelling : Pada tahap ini setiap piksel yang terhubung akan diberikan nilai
label yang berbeda-beda untuk setiap kumpulan piksel yang terhubung.
16
Selanjutnya adalah penjelasan algoritma dan proses yang akan ditanamkan pada
mikrokontroler :
1. Prewitt Edge Detection
Prewitt edge detection berguna untuk mendapatkan detail objek-objek yang
dicari yaitu kendaraan yang ada dijalan raya. Pada penelitian ini, penulis
menggunakan
operator
prewitt
vertical
dan
horizontal
sehingga
bias
mendapatkan detail pada setiap objek kendaraan yang ada. Diagram alir pada
gambar 3.4 menjelaskan proses prewitt yang ditanamkan pada mikrokontroler.
Threshold tiga ratus ditetapkan setelah melakukan pengujian sebelumnya, bahwa
nilai tiga ratus adalah nilai yang paling sesuai dengan sistem pada penelitian ini,
Start
End of pixel ?
Yes
No
Next Pixel
Horizontal
Convolution Mask
Vertical Convolution
Mask
Thresholding to get
the edge of object
End
17
2. Mask
Mask yang dimaksud dalam penelitian ini adalah menghilangkan piksel yang
bukan merupakan bagian dari jalan raya, yaitu dengan menggunakan persamaan
garis yang membatasi antara jalan raya dengan trotoar. Untuk mendapatkan
persamaan dua buah persamaan garis tersebut maka dibutuhkan dua pasang buah
titik yang menjadi batas antara jalan raya dengan trotoar. Dua titik pertama yang
digunakan pada penelitian ini adalah (1,98) dan (64,1) , dan dua titik yang kedua
adalah (160,98) dan (100,1). Berikut adalah formula yang digunakan untuk
mendapatkan dua buah persamaan garis tersebut.
(3.1)
Dari persamaan 3.1 tersebut nantinya akan dibuat dua buah pertidaksamaan
yang
merepresentasikan
bagian
dari
trotoar,
sehingga
dihasilkan
pertidaksamaan 3.1 dan 3.2 dimana nilai j dan i merepresentasikan kolom dan
baris.
(
(3.2)
dan
(
(3.3)
Berikut adalah diagram alir yang digunakan untuk mask yang ditanamkan pada
mikrokontroler dijelaskan pada gambar 3.5.
18
Start
End of pixel ?
Yes
No
Next Pixel
No
Area of
sidewalk ?
Yes
Erase pixel
End
3. Erosion
Erosi digunakan untuk mereduksi noise yaitu dengan menggunakan structure
element garis seperti gambar berikut. Tanda x menandakan current pixel yaitu
piksel yang sedang diteliti. Pada pengaplikasian erosi ini penulis menghitung
jumlah piksel pada area sekelilingnya, dan membuat threshold yaitu tiga. Apabila
nilai kurang dari tiga, maka current pixel akan dihapus.
19
Pada gambar 3.7 dijelaskan diagram alir yang proses erosi yang ditanamkan pada
mikrokontroler.
Start
End of pixel ?
Yes
No
Next Pixel
No
Sum of erosi < 3
Yes
Erase pixel
End
4. Dilation
Dilasi
mempunyai
arti
pembesaran,
hal
ini
digunakan
untuk
menyempurnakan objek kendaraan yang terdeteksi setelah mask dan deteksi tepi
prewitt. Dilasi yang dilakukan pada peneitian ini dilakukan dua kali yaitu dengan
menggunakan structure element yang berbeda yaitu garis nol derajat dengan nilai
dilasi lima dan garis sembilan puluh derajat dengan nilai dilasi tiga.
[
[
]
(a)
(b)
Gambar 3. 8 Struktur Elemen Dilasi, (a) 900 nilai dilasi 5, (b) 00 nilai dilasi 3
20
Gambar 3.10 adalah diagram alir untuk dilasi secara umum, pada penelitian
ini dilasi yang pertama dilakukan adalah dengan struktur elemen pada gambar
3.9(b) dan selanjutnya dilakukan dilasi kedua dengan struktur elemen pada
gambar 3.9(a).
Start
Yes
End of Pixel ?
No
End
Next Pixel
No
Pixel = 1 ?
Yes
Expand pixel
depend element
structure
5. Labelling
Labelling pada penelitian ini digunakan untuk memberikan label dari setiap
kumpulan piksel yang ada. Hasil dari labelling ini nantinya akan digunakan
untuk dianalisis bentuknya dan akan diklasifikasi sebagai kendaraan atau bukan.
Gambar 3.11 adalah diagram alir yang digunakan untuk memberikan label pada
kumpulan citra yang terhubung. Nilai A, B, C, D, X pada diagram alir tersebut
seperti apa yang dijelaskan pada gambar 2.7 yang dijelaskan secara detail pada
bab dua.
21
Start
yes
End of Pixel ?
No
Next Pixel
yes
End
A 0
no
D 0
no
X=A
yes
Merger
yes
yes
B 0
D 0
X=B
no
No
Merger
Yes
C 0
X=C
No
Yes
D 0
X=D
No
X = new label
6. Klasifikasi
Pada penelitian ini, klasifikasi yang digunakan adalah mendeteksi kendaraan
hasil dari labelling, dimana akan melihat dari width dan height pada setiap
segmen citra yang telah terlabel untuk membedakan apakah kendaran tersebut
merupakan motor atau mobil. Citra terlabel yang dianalisis hanya citra dengan
baris lebih dari empat puluh hal ini dikarenakan ketidakmampuan sistem untuk
mendeteksi objek pada jarak yang jauh.
22
(a)
(b)
Gambar 3. 12 Desain PCB Ekspansion (a) top layer, (b) buttom layer
23
b. SD Card
Pada sistem ini, digunakan SD card untuk menyimpan data image agar dapat
diolah di mikrokontroler. Sistem menggunakan empat data line karena
mikrokontroler STM32F407ZG sudah mendukung peripheral SD card yang
mendukung data bus 4-bit.
Empat line data dan satu line command dipull-up dengan resistor 10 K agar
dapat bekerja pada kecepatan yang tinggi. SD card juga diberi dua kapasitor
parallel yang berfungsi sebagai kapasitor coupling.
24
Ruas A
Empty
Empty
Empty
Medium
Medium
Medium
Full
Full
Full
Ruas B
Empty
Medium
Full
Empty
Medium
Full
Empty
Medium
Full
Aksi
memberikan waktu sekitar 5 detik untuk tiap ruas
Memberikan waktu 5 detik untuk ruas A, dan 40 detik untuk ruas B
Memberikan waktu 5 detik untuk ruas A, dan 40 detik untuk ruas B
memberikan waktu 5 detik untuk ruas B, dan 40 detik untuk ruas A
memberikan waktu 40 detik untuk tiap ruas
memberikan waktu 40 detik untuk ruas A, dan 30 detik untuk ruas B
memberikan waktu 60 detik untuk ruas A, dan 5 detik untuk ruas B
memberikan waktu 60 detik untuk ruas A, dan 40 detik untuk ruas B
memberikan waktu 30 detik untuk tiap ruas.
Dan berikut adalah klasifikasi untuk tingkat empty, medium dan full yang
dijelaskan pada tabel 3.2 sebagai berikut.
Klasifikasi
Empty
Medium
Full
Mobil
0-1
2-4
>4
Motor
0-1
2-7
>7
25
(3.4)
(3.5)
26
BAB IV
PENGUJIAN DAN ANALISIS
Pada bab ini akan dijelaskan mengenai perancangan yang telah dibuat pada bab
sebelumnya, berikut adalah beberapa hal yang akan dianalisa pada bab ini sebagai
berikut:
4.1 Akuisisi Citra dari SD Card ke Mikrokontroler
4.1.1 Tujuan
Memasukan citra sebagai masukan sistem yang dibuat oleh mikrokontroler.
4.1.2 Skenario Pengujian
Citra jalan raya diambil pada siang hari dengan menggunakan web cam,
diambil dari jembatan penyebrangan pada jalan merdeka bandung. Lalu citra tersebut
selanjutnya diambil nilai pikselnya dengan menggunakan matlab lalu diubah bentuk
dan ukurannya menjadi citra kebauan dan ukrannya menjadi 120x160 piksel . Dari
data tersebut selanjutnya dibuat menjadi file . dat yang mempunyai nilai sebanyak
19200 data yaitu hasil perkalian dari seratus enam puluh (160) dikalikan dengan
seratus dua puluh (120).
4.1.3 Hasil Pengujian
Dari hasil pengujian yang telah dilakukan, bahwa citra yang telah dimasukan
dapat diterima oleh mikrokontroler dengan baik.
27
4.1.4 Analisis
File .dat dapat terbaca sepenuhnya oleh mikrokontroler. Tabel 4.1
menggambarkan tingkat kesalahan mikrokontroler membaca data dari SD Card, dari
tabel tersebut dijelaskan bahwa mikrokontroler dapat membaca file citra dengan baik
tanpa adanya bit error yang terjadi.
Tabel 4. 1 Hasil Mikrokontroler Membaca file .dat
Citra
Data SD Card
1
2
3
4
5
6
7
8
9
10
11
12
19200
19200
19200
19200
19200
19200
19200
19200
19200
19200
19200
19200
Data Terbaca
Mikrokontroler
19200
19200
19200
19200
19200
19200
19200
19200
19200
19200
19200
19200
28
(a)
(b)
(c)
(d)
Gambar 4. 2 (a) hasil prewitt, (b) hasil mask, (c) hasil erosi, (d) hasil dilasi
4.2.4 Analisis
Dari hasil pengujian yang telah dilakukan , dapat terlihat pada gambar 4.2 (a)
masih terdapat objek tepi yang bukan merupakan bagian kendaraan, lalu dilakukan
proses mask dan terlihat pada gambar 4.2(b) dengan menghilangkan daerah yang
merupakan trotoar, pada proses ini masih terdapat noise-noise kecil dan dihilangkan
dengan erosi digambarkan pada gambar 4.2(c), namun masih ada beberapa segmen
yang bukan kendaraan namun masih terdapat pada citra hasil erosi. Terdapat trade
off apabila struktur elemen yang digunakan diperluas untuk erosi, maka bagian yang
merupakan kendaraan akan hilang. Dan langkah yang terakhir dilakukan adalah
menyambung citra yang terputus tersebut dengan menggunakan dilasi yang
digambarkan pada gambar 4.2(d), pada proses ini terdapat segmen yang menyatu
pada citra dengan baris kurang dari empat puluh, hal ini bias diabaikan karena
selanjutnya untuk melihat kendaraan akan dilakukan pada citra dengan baris lebih
dari empat puluh.
4.3 Labelling pada Mikrokontroler.
4.3.1 Tujuan
Memberikan label yang sama pada setiap piksel yang terhubung, yang nantinya
akan digunakan untuk diklasifikasi apakah merupakan kendaraan atau bukan.
4.3.2 Skema Pengujian
Citra hasil dilasi selanjutnya akan diberi label yang berbeda untuk masingmasing piksel yang terhubung, untuk memberikan label pada citra ini digunakan
forward scan dimana hanya memperhatikan 4 piksel yang telah dijelaskan pada bab
dua sebelumnya.
29
4.3.4 Analisis
Dari Gambar pada hasil pengujian dapat dilihat terdapat perbedaan warna untuk
setiap kumpulan piksel, warna-warna tersebut merepresentasikan nilai label yang
berbeda-beda. Waktu yang dibutuhkan untuk labelling ini akan semakin lama apabila
jumlah piksel gabung pada citra cukup banyak.
External
No
1
2
3
4
5
6
Kapasitas
(byte)
76800
76800
76800
153600
76800
Internal
fungsi
Citra Grayscale
Hasil Prewitt
hasil erosi
hasil dilasi
hasil labelling
Kapasitas
(byte)
38400
2
8
2
20
16
fungsi
buffer data
pointer file
status hasil operasi
buffer data baca file
iterasi
buffer data konvolusi
30
7
8
9
10
11
12
13
Total
12
12
4
2
6
30
20
76800
115334
460800
hasil konvolusi x
hasil konvolusi y
penjumlahan konvolusi
menghitung struktur elemen
variabel operasi
LCD
Klasifikasi
Buffer olah citra
Dari tabel diatas menjelaskan bahwa penggunaan RAM eksternal pada sistem ini
telah tepat karena bila tidak digunakan RAM yang dimiliki oleh STM32F407ZG
hanya sebesar 192 Kbyte sehingga tidak cukup untuk memproses semua sistem
yang menghabiskan 576134 bytes.
4.5 Waktu Operasi Sistem
Berikut adalah tabel penghitungan waktu yang digunakan untuk memproses
setiap blok pengolahan citra digital.
Citra
1&2
3&4
5&6
7&8
9 & 10
11 &
12
Akuisisi
(s)
0.6
0.59
0.6
0.59
0.6
0.25
0.24
0.23
0.22
0.24
0.61
0.24
dilasi
dilasi
Erosi
Labelling
horizontal vertical
(s)
(s)
(s)
(s)
0.1
0.13
0.17
0.2
0.15
0.14
0.18
0.23
0.12
0.15
0.15
0.25
0.13
0.13
0.14
0.22
0.12
0.16
0.15
0.21
0.1
0.13
0.13
0.23
Total
(s)
1.45
1.54
1.5
1.44
1.48
1.43
Dari data diatas terdapat perbedaan waktu yang cukup variasi pada prewitt dan
mask, erosi, dilasi horizontal, dilasi vertical, dan labelling. Hal ini dikarenakan
perbedaan citra yang membuat dari setiap citra membutuhkan waktu yang berbeda.
31
Dari data diatas waktu yang memungkinkan untuk membutuhkan waktu yang
paling lama adalah proses labelling jika piksel gabung yang terjadi memiliki jumlah
yang banyak.
4.6 Hasil Pengolahan
Dari proses yang telah dilakukan diatas maka selanjutnya adalah menganalisa
kehandalan dari sistem yang telah dibuat. Sesuai dengan penjelasan pada bab tiga
mengenai klasifikasi kendaraan dengan melihat width dan height dari segmen yang
telah terlabelisasi. Untuk motor digunakan threshold width sebesar sepuluh sampai
lima belas piksel, sedangkan mobil lebih dari lima belas piksel. Dan untuk height
minimum motor adalah dua puluh piksel dan mobil adalah tiga puluh piksel. Berikut
adalah tabel dari hasil pengujian dengan melihat width dan height dari segmen yang
terlabel.
urutan
citra
1
2
3
4
5
6
7
8
9
10
jumlah sebenarnya
mobil
1
1
2
3
4
5
5
1
5
5
motor
5
3
1
9
8
6
3
1
4
7
hasil deteksi
mobil
0
0
1
2
4
3
5
0
4
4
motor
8
5
2
11
6
3
2
1
4
4
error
4
3
2
3
2
5
1
1
1
4
tingkat
kesalahan
0.666666667
0.75
0.666666667
0.25
0.166666667
0.454545455
0.125
0.5
0.111111111
0.333333333
Akurasi
(%)
33.33333
25
33.33333
75
83.33333
54.54545
87.5
50
88.88889
66.66667
32
11
12
5
5
1
6
4
4
1
8
1
3
0.166666667 83.33333
0.272727273 72.72727
Dari tabel diatas dan dengan menggunakan formula (3.5) maka didapatkan
akurasi
sistem
sebesar
62,80
%.
33
BAB V
PENUTUP
5.1 Kesimpulan
Dari hasil pengujian dan analisis yang telah dilakukan pada perancangan sistem
manajemen lampu lalu lintas berbasis gambar kemacetan jalan raya, dapat diambil
kesimpulan sebagai berikut:
1. Pengolahan citra digital dapat digunakan untuk mendapatkan informasi
tingkat kemacetan dari citra jalan raya dengan akurasi 62,80 % .
2. SD Card sebagai media penyimpanan data digital dapat digunakan untuk
dibaca oleh mikrokontroler. Namun data yang tersimpan dibuat dalam bentuk
file .dat, tidak dalam bentuk file citra seperti .jpg , .bmp atau file citra
lainnya. Hal ini dikarenakan sebelumnya telah diuji untuk membaca file
bitmap terdapat beberapa data dari bitmap tersebut tidak bisa terbaca oleh
mikrokontroler. Hal ini mungkin kekurangan yang terdapat pada library yang
digunakan untuk membaca media dengan format FAT32.
3. Deteksi tepi prewitt dapat diimplementasikan pada mikrokontroler dengan
membutuhkan waktu rata-rata sebesar 0,23 detik dan menghabiskan RAM
eksternal sebesar 76,8 Kbyte sebagai penampung hasil operasi prewitt dan
pemrosesan menggunakan RAM internal sebesar 38 Byte.
4. Operasi dilasi dapat diimplementasikan pada mikrokontroler dengan
membutuhkan waktu rata-rata sebesar 0,14 detik dan menghabiskan RAM
eksternal sebesar 153,6 Kbyte sebagai penampung hasil operasi, dan RAM
internal sebesar 4 Byte untuk proses dilasi.
5. Operasi erosi dapat diimplementasikan pada mikrokontroler dengan
membutuhkan waktu sebesar 0,12 detik dan menghabiskan RAM eksternal
sebesar 76,8 Kbyte sebagai penampung hasil operasi dan RAM internal
sebesar 6 Byte untuk proses erosi.
34
35
DAFTAR PUSATAKA
[1]
Aufar , M ,2012, Alat Tracking Kelopak Mata Pada Pengendara Mobil untuk Sistem
Keamanan Mobil , Bandung : IT Telkom.
[2]
[3]
[4]
Gonzales, Rafael C. and Woods, Richard. 1993.Digital Image Processing.USA: AddisonWesley Publishing Company.
[5]
Syukur, Puji, 2014, Desain dan Analisis Perancangan Lampu Lalu Lintas Berbasis
Pengolahan Citra Digital, Bandung: Universitas Telkom.
[6]
[7]
[8]
[9]
[10] Wijaya, Marvin Ch & Agus Prijono. 2007. Pengolahan Citra Digital Menggunakan
Matlab.Bandung: Informatika.
[11] William K. Pratt.1991.Digital Image Processing.Wiley-Interscience Publication.
xiv